Add icon and scnet

README.md

 # WeNet-Ort
 ## 论文
-`WeNet: Production Oriented Streaming and Non-streaming End-to-End
-Speech Recognition Toolkit`
+`WeNet: Production Oriented Streaming and Non-streaming End-to-End Speech Recognition Toolkit`
 - https://arxiv.org/pdf/2102.01547.pdf
+
 ## 模型结构
 WeNet是一种hybird连接主义时间分类（CTC）/注意力架构，以transformer或conformer作为编码器和注意力解码器来重新存储CTC假设。为了在统一的模型中实现流和非流，以及使用了一种基于动态块的注意力策略，该策略允许自注意力以随机长度集中在正确的上下文上。
 
 ![img](./Doc/images/wenet1.PNG)
+
 ## 算法原理
 底层堆栈完全基于PyTorch及其生态系统。中间的堆栈由两部分组成。开发研究模型时，TorchScript用于开发模型，Torchaudio用于动态特征提取，分布式数据并行（DDP）用于分布式训练，torch实时（JIT）用于模型导出，PyTorch量化用于模型量化，LibTorch用于生产运行时。LibTorch产品用于托管生产模型，旨在支持各种硬件和平台，如CPU、GPU（CUDA）Linux、Android和iOS。顶部堆栈显示了对WeNet中生产管道的典型研究
 
 ![img](./Doc/images/wenet2.PNG)
+
 ## 环境配置
 ### Docker（方法一）
 拉取镜像：
@@ -34,8 +36,7 @@ docker run --shm-size 16g --network=host --name=wenet_ort --privileged --device=
 ```
 
 ## 数据集
-
-下载Aishell数据集：[Aishell (openslr.org)](https://www.openslr.org/33/)
+下载Aishell数据集：[Aishell](http://113.200.138.88:18080/aidatasets/project-dependency/aishell/)
 
 ```
 AISHELL_data/
@@ -56,10 +57,10 @@ AISHELL_data/
         transcript002.txt
         ...
 ```
+
 ## 推理
 ### C++版本推理
-本次采用经wenet模型完成问题语音识别任务，首先需要下载模型至Resouce/models/，链接：https://pan.baidu.com/s/1aUt6LRcspYLAmmWu0fFTdQ 
-提取码：sodg，下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。
+本次采用经wenet模型完成问题语音识别任务，首先需要下载[模型](http://113.200.138.88:18080/aimodels/findsource-dependency/wenet_onnxruntime)至Resouce/models/，下面介绍如何运行C++代码示例，C++示例的详细说明见Doc目录下的Tutorial_Cpp.md。
 
 #### 构建工程
 ```
@@ -69,6 +70,7 @@ mkdir build && cd build
 cmake ..
 make install
 ```
+
 #### 设置推理参数
 ```
 cd /home/wenet_onnxruntime
@@ -78,6 +80,7 @@ wav_path=./Resource/BAC009S0764W0344.wav
 onnx_dir=./Resource/models
 units=./Resource/units.txt
 ```
+
 #### 运行示例
 ```
 # 进入wenet onnxruntime工程根目录
@@ -85,8 +88,8 @@ cd /home/wenet_onnxruntime
 
 # 执行示例程序
 ./build/Src/bin/decoder_main --onnx_dir $onnx_dir  --wav_path $wav_path  --unit_path $units 2>&1 | tee log.txt
-
 ```
+
 ## result
 ```
 test Final result: 脚踝和小腿的能力变弱
@@ -97,16 +100,17 @@ RTF: 0.1508
 
 ### 精度
 无
+
 ## 应用场景
 ### 算法类别
-`语音识别`
+语音识别
+
 ### 热点应用行业
-`制造`,`金融`,`交通`,`教育`
+制造,金融,交通,教育
 
 ## 源码仓库及问题反馈
 - https://developer.hpccube.com/codes/modelzoo/wenet_onnxruntime
+
 ## 参考资料
 - https://github.com/wenet-e2e/wenet
 - https://wenet.org.cn/wenet/
-
-